技术摘要：解耦熵-几何规划 (DEGP)

问题陈述

机器人感知与控制对学习表征提出了相互冲突的要求。部署在工业环境中的视觉骨干网络需要高熵、过完备的特征以应对领域偏移（通常通过自监督目标实现）。相反，基于梯度的规划器需要严格条件的几何结构，以便在长时界内通过学习到的动力学模型进行反向传播，而不至于导致条件数爆炸。在单个网络中训练两者会产生根本性的张力：几何惩罚会扭曲表征，而表征的自由度会破坏规划器的条件性。这在经验上通常表现为表征坍缩或规划失败。

方法论：解耦熵-几何规划 (DEGP)

DEGP 通过严格的架构解耦而非折衷方案来解决这一张力。该框架将系统分为三个独立的组件：

1. 熵编码器 ($f_\theta$)： 使用仅包含方差-协方差损失（公式 1）的“盲感知”目标进行训练。它强制执行球面协方差以防止坍缩，但不包含任何重构、预测或不变性项。因此，它保留了信息，但并未将其组织为对动力学相关结构（如接触）有意义的形式。
2. 几何预测器 ($g_\phi$)： 在脱离的潜变量（从编码器停止梯度）上进行训练，并采用“锐利控制”目标。它利用残差参数化（$g(z, a) = z + f(z, a)$），该参数化初始化接近恒等映射，并结合雅可比惩罚 ($\lambda_2$) 来强制 $\|J_g - I\|_F \approx 0$。这确保了预测器保持局部线性且条件良好。
3. 非对称规划器： 优化一个受约束的拟度量代价函数。该代价函数包含一个 ReLU 差值投影以创建非对称性，以及一个 $\mu$-牵引项 ($\mu \|z_T - z_{goal}\|^2$)，以保证稳定性并防止规划器进入代价梯度消失的“盲锥”。

运行时契约： 系统采用基于遥测的运行时契约，包括部署前门控（检查条件数 $\kappa$、谱界 $\epsilon$ 和潜变量尺度）、连续的条件性预算监控，以及看门狗/回退机制。

核心贡献

1. 架构与理论

• 解耦堆栈： 实现了编码器（保持方差）与预测器（强化几何）的正式分离，并配合停止梯度隔离。
• 条件性定理：
  • 定理 1： 证明在满足 $\|J_g - I\|_F \le \epsilon < 1$ 的条件下，展开状态雅可比矩阵的条件数被限制在 $(\frac{1+\epsilon}{1-\epsilon})^{2T}$ 以内，且与潜变量维度 $K$ 无关。
  • 推论 2： 建立了 $\epsilon \cdot T$ 预算，表明只有当谱界与时界的乘积保持在阈值以下（例如 $\epsilon \cdot T \lesssim 0.5$）时，才能维持规划稳定性。
  • 定理 2： 证明了 $\mu$-牵引确保了唯一的全局极小值点和误差的几何收缩，防止在牵引球之外出现驻点。

2. 测量条件性与验证

• 统计平坦性： 实验结果证实，条件数 $\kappa$ 在潜变量维度 $K \in \{64, 128, 256\}$ 之间保持统计平坦（通过 30 组配对种子进行 TOST 等效性检验验证），而未解耦的基准模型则表现出指数级增长。
• 可执行验证套件： 一个十二项检查的命令行套件将每一项理论结果映射到通过/失败测试，通过记录的输入和容差来验证梯度隔离、牵引几何和雅可比边界。

3. 归因部署边界（负面结果）

论文报告了一项在 Push-T 环境下进行的预注册部署研究，其中所有成功假设在所有条件下均被证伪（50 次尝试中 0 次成功）。

• 归因电池测试： 一个 18 项条件的诊断电池隔离了失败原因。
• 发现： 失败归因于两个组件间的差距：
  1. 接触条件预测差距： 自监督潜变量（公式 1）保留了接触信息（可通过探针解码，其 $R^2 \approx 0.65-0.70$），但学习到的预测器未能选择性地利用这些信息（选择性比例 $\approx 1.0$，表明存在接触盲性）。
  2. 探针解码代价的局限性： 即使使用预言机（Oracle）动力学，使用线性探针解码的代价函数也抑制了运动，这表明代价函数本身是一个限制因素。
• 非绑定因素： 研究发现，规划器族/阶数、感知输入以及条件性牵引并非该范式下的绑定失败因素。

结果摘要

• 阶段 1（合成/认证）： 经过认证的预测器表现出维度无关的条件性，并满足 $\epsilon \cdot T$ 预算。基于梯度的规划在合成动力学上可在 2 次迭代内收敛，而采样规划器（CEM）在高维情况下会遭遇“维度墙”。
• 阶段 2（真实图像/迁移）： 当应用于真实图像（MimicGen）时，“冻结编码器 + DEGP 预测器”配置占据了模块化与条件性的“可部署角”，尽管它略微超过了 $\epsilon \cdot T$ 预算指南（$0.54$对比$0.5$）。
• 阶段 3（部署/归因）：
  • 成功率： 在 Push-T 环境的所有测试条件下（CEM, PGD, 各类代价函数及各模型版本），成功率为 0/50。
  • 运动： T-block 的运动微乎其微（0.0–1.1 px）。
  • 模型演进： 迭代预测器（v1 到 v4）改善了接触捕获率（从欠预测到过放大），但未能实现选择性（接触盲性依然存在）。
  • 对照组： 移除牵引项（B1b）虽然违反了条件性预算，但并未改变部署结果（成功率为 0/10），证实了仅靠条件性认证并不能保证在该范式下的任务胜任能力。

重要性与主张

本文将自身定位为方法论与诊断性的研究，而非任务成功的展示。

• 经验证的条件性： DEGP 提供了一个框架，使得条件性主张可以被明确阐述、通过可执行检查进行验证，并在运行时进行监控。
• 测量的边界： 主要贡献在于实验映射出的部署边界。研究表明，结构化解耦和几何条件性不足以弥合表征中“存在的信息”与学习到的动力学预测器所能“利用的信息”之间的鸿沟。
• 将负面结果作为数据： 论文并未将 0/50 的失败率视为疏漏，而是将其视为一个测量的观测值，利用预注册的诊断电池将失败定位在接触条件预测误差与代价信号之间的交互作用上。
• 开放问题： 非对称度量的重要性以及条件性认证在部署中的必要性仍是开放课题。论文指出，下一个技术问题是开发能够使接触相关信息在高度熵潜变量中可被预测器学习的目标函数。

研究结论认为，虽然 DEGP 成功隔离了梯度干扰并保证了几何特性，但它并不能自动解决如何学习能够利用这些特性的接触密集型操作的问题。